Dự án KHKT: "Mắt thần sinh thái - Hệ thống trí tuệ nhân tạo phân loại rác thải tại nguồn"
| Tên dự án dự thi: | MẮT THẦN SINH THÁI - HỆ THỐNG TRÍ TUỆ NHÂN TẠO PHÂN LOẠI RÁC THẢI TẠI NGUỒN |
| Lĩnh vực nghiên cứu: | Khoa học Trái đất |
| Nhóm học sinh thực hiện: | 1. Lê Đức Huy (Lớp 9A1 - Trưởng nhóm)
2. Hoàng Khánh Vân (Lớp 9A1 - Thành viên) |
| Giáo viên hướng dẫn: | 1. Thầy Phạm Tuấn Anh (GV Môn Toán)
2. Thầy Phạm Văn Nghiệp (GV Môn Toán - Tin) |
| Đơn vị dự thi: | Trường THCS Quyết Thắng, TP. Hải Phòng |
1. LÝ DO CHỌN ĐỀ TÀI & Ý TƯỞNG SÁNG TẠO
Thực trạng khảo sát thực tế tại các phòng học và khu khuôn viên trường THCS Quyết Thắng cho thấy học sinh thường có thói quen vứt chung các loại rác tái chế (vỏ chai nhựa, lon nhôm) với rác hữu cơ (vỏ trái cây, đồ ăn thừa) và rác thông thường do thiếu giám sát trực tiếp cũng như chưa có động lực thi đua.
Xuất phát từ thực tiễn đó, nhóm tác giả Lê Đức Huy và Hoàng Khánh Vân dưới sự hướng dẫn của thầy Phạm Tuấn Anh và thầy Phạm Văn Nghiệp đã nghiên cứu và phát triển dự án "Mắt Thần Sinh Thái". Dự án ứng dụng Trí tuệ nhân tạo thị giác máy tính (Computer Vision) tích hợp giải pháp Tương tác hóa (Gamification) nhằm tạo trải nghiệm phân loại rác thông minh, thú vị và chính xác ngay tại khuôn viên học đường.
2. GIẢI PHÁP CÔNG NGHỆ VÀ TÍNH NĂNG NỔI BẬT
Dự án "Mắt Thần Sinh Thái" ứng dụng giải pháp Edge AI (Trí tuệ nhân tạo biên) mang lại khả năng vận hành vượt trội:
• Nhận diện tự động bằng Mạng nơ-ron MobileNet: Mô hình AI được huấn luyện từ tập dữ liệu hơn 1.000 ảnh rác thải học đường thực tế, phân loại chính xác 4 trạng thái/lớp nhãn: rac-tai-che, rac-huu-co, rac-khac và khong-co-vat-the.
• Chạy cục bộ 100% Offline qua TensorFlow.js: Mô hình nén gọn (~15MB) được tích hợp trực tiếp vào giao diện Web client-side, giúp hệ thống hoạt động ổn định trên máy tính phổ thông mà không cần kết nối Internet và không tốn chi phí thuê máy chủ Cloud.
• Thuật toán đệm 3 giây (Debounce Latency Timer): Điểm sáng tạo kỹ thuật độc đáo giúp kiểm định độ tin cậy AI duy trì liên tục trong 3 giây trước khi chốt nhãn phân loại, loại bỏ triệt để hiện tượng cộng điểm lặp lại hoặc điểm ảo do camera bắt hình 30 khung hình/giây.
• Cơ chế Gamification tương tác: Màn hình giao diện hiển thị camera live, tỉ lệ % độ tin cậy, bảng tích điểm thi đua và âm thanh hiệu ứng 'Ding!' vui nhộn kích thích học sinh tham gia giữ gìn vệ sinh môi trường.
• Trạm rác STEM Fomex nhỏ gọn: Thiết kế khung trạm từ tấm Fomex 5mm dán decal phân màu trực quan, tích hợp Laptop và Webcam HD giá rẻ.
3. KẾT QUẢ NGHIÊN CỨU & KIỂM THỬ THỰC TẾ
• Độ chính xác huấn luyện AI (Validation Accuracy): Đạt 92.4% (với cấu hình tối ưu Epochs = 50, Batch Size = 16, Learning Rate = 0.001).
• Thử nghiệm thực tế (Blind Test 100 lượt thử ngẫu nhiên bởi 30 học sinh):
+ Độ chính xác trung bình toàn hệ thống: 90.0%.
+ Thời gian phản hồi: 450ms (dưới 0.5 giây), đảm bảo trải nghiệm tức thì.
+ Độ chính xác theo lớp rác: Rác tái chế đạt 91.4%, Rác hữu cơ đạt 88.0%, Rác khác đạt 90.0%.
• Tải tài liệu minh chứng: Toàn bộ dữ liệu gốc (Tập ảnh 1.000+ mẫu, file mô hình AI, mã nguồn Web) đã được công khai minh bạch tại thư mục Google Drive chính thức.
4. Ý NGHĨA THỰC TIỄN VÀ HƯỚNG PHÁT TRIỂN
• Ý nghĩa xã hội & giáo dục: Chuyển đổi thói quen vứt rác thụ động thành hoạt động tương tác học đường tích cực, lan tỏa thông điệp bảo vệ môi trường đến toàn thể học sinh.
• Khả năng nhân rộng: Chi phí chế tạo thấp, tận dụng thiết bị máy tính có sẵn tại trường học, dễ dàng triển khai ở tất cả các cơ sở giáo dục.
• Hướng phát triển tương lai: Mở rộng tập dữ liệu ảnh rác thải nguy hại (pin, linh kiện điện tử), kết nối vi điều khiển ESP32/Arduino để điều khiển động cơ Servo tự động mở hộc rác tương ứng.
Tiếng Việt
English
中文
Français
日本語
한국어
Español
Русский
Deutsch
ไทย
ລາວ
हिन्दी
Português